python是很容易上手的编程语言，但是有些时候使用python编写的程序并不能保证其运行速度（例如：while 和 for），这个时候我们就需要借助c++等为我们的代码提速。下面是我使用pybind11调用c++的Eigen库的简单介绍:
第一步：准备系统和IDE：
第二步：python虚拟环境：
python -m venv env
./env/Scripts/Activate.ps1
pip install pybind11
pip install numpy==1.19.3
第三步：使用vs2015编写cpp_python.cpp, 并保证没有bug
#include <Eigen/Dense> using namespace std using namespace Eigen MatrixXd add_mat(MatrixXd A_mat, MatrixXd B_mat) { return A_mat + B_mat; }
第四步：使用pybind11为cpp_python.cpp添加python接口
// cpp_python.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。 // #include <pybind11/pybind11.h> #include <pybind11/eigen.h> #include<pybind11/numpy.h> #include<fstream> #include<iostream> #include <Eigen/Dense> using namespace std; using namespace Eigen; MatrixXd add_mat(MatrixXd A_mat, MatrixXd B_mat) { return A_mat + B_mat; } namespace py = pybind11; PYBIND11_MODULE(add_mat_moudle, m) { m.doc() = "Matrix add";//解释说明 m.def("mat_add_py"/*在pyhon中使用的函数名*/, &add_mat); }
第五步：设置setup.py用来编译c++代码
from setuptools import setup from setuptools import Extension add_mat_module = Extension(name=‘add_mat_moudle‘, # 模块名称 sources=[‘cpp_python.cpp‘], # 源码 include_dirs=[r‘.\eigen-3.3.8‘, r‘.\env\Scripts‘, # 依赖的第三方库的头文件 r‘.\env\Lib\site-packages\pybind11\include‘] ) setup(ext_modules=[add_mat_module])
第六步：编译测试
这是我当前的工作目录
注意：我的cpp_python.cpp和setup.py是在同一个文件夹下。
执行: "python .\setup.py build_ext --inplace"就会得下面的结果，生成.pyd文件表明我们已经编译成功。
运行测试：
python3 通过 pybind11 使用Eigen加速代码
原文：https://www.cnblogs.com/hyl2018/p/14089299.html